目前，诊断出阿尔茨海默症（老年痴呆症）的潜在患者是一项艰难的工作。然而近日，两位来自韩国的科学家声称，他们利用深度学习算法，可以诊断出未来三年会得老年痴呆的患者。

随着无人驾驶、AlphaGo Master的出现，人工智能被认为有望在未来大多数场合取代人类。近日，医疗诊断行业传来捷报，深度学习神经网络算法在老年痴呆症的诊断方面，超过了人类医生。

阿尔茨海默症，又称老年痴呆症，是一种慢性精神功能衰退性疾病，也是当今社会常见的潜伏病症。随着我们年龄的增长，认知能力不可避免的衰退。我们会变得更加健忘，更容易忘记我们的思路，并且更难做出决定或完成任务。医学上称之为轻度认知功能障碍，在绝大多数人衰老的过程中都会有所体现。

虽然有些轻度认知功能障碍患者不会继续恶化，甚至会改善；但是，很多具有轻度认知功能障碍的人会继续加重病情，进而患上老年痴呆症。老年痴呆患者无法正确表达自己的意愿，也会忘掉自己的亲属，失去基本的自理能力，最终要完全依靠医疗护理人员。很多人在确诊后的几年便离世。

2015年，全世界约有3000万人患有这种疾病。由于所需花费很高，这种病症为全世界的医护系统带来很大的负担。

虽然目前还没有一种先进的方法可以延缓这种病症的恶化，但临床显示，如果在早期被诊断出来，患者病情可被延缓甚至控制住。因此，找到一种可靠的检测方法来诊断潜在患者对于患者的病情控制是至关重要的。医生们非常希望能提早找到那些可能会患上老年痴呆的患者，因为这样就可使他们获得最好的治疗效果。

当前的一种检测手段是通过研究脑部的正电子扫描图（PET）来实现。具体方法是通过检测脑部淀粉样蛋白斑的异常生长和脑部使用葡萄糖的新陈代谢速率。某些特定形式的PET扫描可以显示出这两种检测结果的异常迹象，并作为诊断具有轻度认知功能障碍是否会发展成老年痴呆症患者的依据。

然而，这只是在理论上比较清晰而已。在实际情况下，解读PET是非常难的。虽然研究者们找到过一到两个显著的判据，可供受过专业训练的人使用，但这种方法是极其耗时而且很有可能出错。

而Hongyoon和 Kyong两人将当前的人工诊断替换为深度学习算法。他们表示，他们的算法可以诊断出未来三年老年痴呆病发的患者，且具有更高的识别率。

他们的实现方法非常简单直接。近几年来，全世界的老年痴呆研究人员建立了一个患者与非患者脑部扫描图的数据库，Hongyoon和 Kyong两人使用这个数据库来对一个神经网络进行训练，以识别患者与非患者的不同。

这个数据库包含有182名70岁非老年痴呆患者的正常脑部扫描图，还有139名约相同年龄的老年痴呆患者的脑部扫描图。采用传统的训练方法，人工智能马上学会了如何辨别两者的不同，而且准确率高达90%。

之后，Hongyoon和Kyong使用训练后的神经网络来分析另一个的数据库。该数据库包含了181名70岁的具有轻度认知功能性障碍的人，其中的79人在三年后患上了老年痴呆症。算法的任务是将这些潜在的老年痴呆症患者辨别出来。

实验的结果非常令人振奋。Hongyoon和Kyong表示深度学习算法识别出了那些潜在的老年痴呆症患者，准确率为81%。这个准确率明显高于那些受过训练的人。“这些结果表示，采用深度学习神经网络算法结合脑扫描图像来预测老年痴呆的发生是可行的。”

这一结果展示了一种快速诊断老年痴呆潜在病症的方法，让那些潜在患者可以通过及早治疗控制病情，同时也减轻了医护体系的负担，节省了大量的开支。

目前，深度学习在疾病诊断中应用的日益增多，Hongyoon和Kyong的技术只是其中之一而已。这个实验结果同样也显示，在诊断复杂疾病的方面，深度学习比人类更强。这项技术可适用于多种病症的检测，从心脏病到癌症均可以。

很明显，深度学习神经网络算法必将会在医学领域引发革命。目前，对于那些患有轻度认知功能性障碍的人来说，只剩下他们将会多久才发病的问题。